Интерактивный Клуб "ЧеловекИ" (Humans.Ru)

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Проблемы, исследования, достижения

1. Что такое интеллект?
Прежде чем читать дальше, решите головоломку: TWO + THREE + THREE = EIGHT. Известно, что в этой головоломке каждая буква соответствует цифре, одна и та же буква всегда представляет одну и ту же цифру, никакое число не начинается с нуля, и число THREE — четное (Англия, 1998).

Вы решили этот «криптарифм»? Вне зависимости от того, какие навыки вы использовали, вы выполнили интеллектуальный акт. Может ли машина решить эту головоломку? Исследования в области искусственного интеллекта, которые накладываются на психологию, когнитологию, инжиниринг и дизайн, ищут способы заставить машины вести себя так, чтобы их поведение можно было оценить как разумное, как вел бы себя в такой ситуации человек — действительно интеллектуальное существо. Некоторые ИИ-профессионалы довольствуются поиском программ, которые просто подражают интеллектуальному поведению.

Что же такое интеллект? Это не простое отдельное понятие (Gardner, 1998). Интеллект, похоже, включает в себя множественные навыки, такие как: распознавание, изучение, адаптация, решение головоломок, поиск моделей и закономерностей, логические выводы и рассуждения (дедуктивные и индуктивные), распознавание (что мы слышим, что видим), осуществление разумного выбора, планирование, осмысленное использование аналогий и метафор и творчество. Добавим к этому еще и автономное поведение. То есть мы более высоко ценим не заученные или механические действия, а оригинальные, независимые и подходящие именно для данного случая.

Марвин Мински (Marvin Minsky), старейшина исследования ИИ, когда-то описал разум как «комплекс действий, которые мы, случается, уважаем, но полностью не понимаем». Эта фраза напоминает нам, что:

интеллект — не единичное, а множественное понятие;
граница «истинного ИИ» постоянно перемещается: т. е. мы прекращаем расценивать действие как интеллектуальное, как только мы научили человека или машину выполнять его автоматически.
Возможен ли искусственный разум? В 1950-х гг. Алан Тьюринг (А1ап Turning) своим известным прагматическим тестом определил его так: следует назвать интеллектуальной любую машину, которая может выполнять длительное задание (например, беседу) настолько хорошо, что неинформированный наблюдатель решил бы, что это человек (Hofstadter and Dennett, 1981). Если такой уровень навыка достигнут, основная идея тоже, то кого волнует, является ли разум подлинным или подражающим?

 

2. Богатство истории
Термин «искусственный интеллект» датируется 1955 г., когда Джон МакКарти (John McCarthy) предложил его на конференции в Дартмутском университете. Казалось, что огромный успех неизбежен. Так, Герберт Саймон (Herbert Simon, 1965) смело предсказал, что «в пределах самого ближайшего будущего — значительно меньше, чем двадцать пять лет, — мы будем иметь техническую возможность заменить машиной любую функцию человека во всех организациях».

Такое волнение первых лет подпитывалось рядом успешных демонстраций ИИ в ограниченных областях (например, демонстрация Тьюринга). Классические системы ИИ включали в себя (Winston,, 1992; Barr and Feigenbaum, 1981): Решение задачи в целом. Со своей системой «GPS» Ньювелл (Newell) и Саймон утверждали, что при достаточно высоком уровне обобщения все задачи выглядят одинаково: это всегда проблема перехода от начального состояния к желательному. Поэтому, имея проблемно-ориентированный набор операторов (каждый из которых может осуществлять переход от одного такого состояния к другому), с помощью единственного общего метода можно решить какую бы то ни было задачу, используя общую эвристику сокращения различий.

Прохождение тестов на интеллект. Эванс (Evans) создал программу для ответа на тесты, используемые тогда в Нью-Йорке как тесты интеллекта человека. Его программа «ANALOGY» исследовала геометрические диаграммы вроде представленной ниже и решала головоломку: «Рисунок А относится к рисунку В так же, как рисунок С относится к какому от 1 до 5?». Решите самостоятельно.

 

В выявлении индуктивных трансформаций «ANALOGY», оказалось, была столь же хороша, как и люди, и, если это было необходимо, освобождала их от обобщений, пока она сама искала подходящий элемент.

Доказательство теорем и поиск целей. Довольно долго существовала ошибочная мысль, что дедуктивная логика должна быть сущностью рационального интеллектуального поведения. Теперь мы признаем, что она является наиболее часто используемым инструментом, ретроспективно применяемым для приведения в порядок творческой мысли. «LOGIC THEORIST» был ранней попыткой использования в доказательстве дедуктивных умозаключений на основе посылок. Но она произвела на свет слишком много теорем, которые были истинны, но тривиальны. Более разумные средства доказательства теорем развились в семейство машин и языков для поиска целей.

Исследования в области робототехники были готовым приложением для программ доказательства теорем. Тот же самый целенаправленный механизм, который может доказать истинность заключения, может также доказать достижимость действия и предложить план его осуществления.

Зрительное распознавание рисунков. Гузман (Guzman) создал программы, которые могли просматривать линейные рисунки, представляющие собой перемешанные неодинаковые блоки, и «понимать» увиденное в виде беспорядочных трехмерных тел. Вальц (Waltz) продемонстрировал, как добавление теней и знаний облегчило задачу; появились ограничения и исчезли двусмысленности.

Осознание абстрактных понятий. Но может ли машина действительно понимать? Несколько пионеров смоделировали значение понятий построением семантических сетей. В них необходимое для осознания понятие было главным узлом в диаграмме, в которой отношения связывали его с более примитивными понятиями (как это делают многие словари). Тогда программы демонстрировали их понимание, используя сети для решения головоломок или отвечая на вопросы в свойственной человеку манере.

Обучаемостъ. Демонстрируемые программами обучаемость и адаптивность имитировали стиль человека: они учились, анализируя различия, исправляя свои ошибки и накапливая опыт. Хороший пример — классическая обучающая-ся программа Уинстона (Winston), которую научили понимать постройки из игрушечных кубиков, обучая в той же последовательности, что и человека (например, восходя от кирпича к арке, а затем и к галерее). Она училась на каждой стадии, анализируя, почему некоторые ее суждения оказались неверными.

Игры, (весьма свойственная человеку деятельность) заслуживают рассказа о себе в разрезе ИИ. Поскольку игра — это микромир с четкими правилами, она достаточно мала для разработчика ИИ, чтобы быть управляемой, и потому имеет очевидный критерий успеха. И тем не менее она обычно считается разумным человеческим поведением. В большинстве игр требуется, чтобы игрок определил все возможные в данный момент ходы и затем рассмотрел и оценил их для определения лучшего, по которому и следует двигаться. В боевой игре вводится принцип минимакса — определяется ход, который является наилучшим для вас с учетом того, что ход противника будет для вас наихудшим. Игрок — человек или ИИ — должен также располагать по приоритетам ограниченные средства и управлять ими в условиях ограничения времени или вычислительных ресурсов, которые требуют, чтобы поиск был разумно сокращен.

Понимание естественного языка. Люди гордятся своим знанием языка. Может ли компьютер понимать язык так же хорошо и доказать это интеллектуальными ответами на заданные вслух вопросы? Блестящий проект Вайнограда (Winograd) «SHRDLU» (1972) подтвердил, что это возможно. Его воспроизводящий робот управлял настольным миром деревянных блоков. Обеспеченный начальной грамматикой и словарем, он отлично понимал английский язык. Он мог отвечать на вопросы о структуре своего мира, изучать новые слова и (в ответ на команды) планировать перестановки блоков перед их выполнением своей рукой. Лучше показать работу «SHRDLU» на примере диалогов:

25. Возьми большой красный блок.
ОК.
36. Сделай шпиль...
К СОЖАЛЕНИЮ, Я НЕ ЗНАЮ СЛОВА «ШПИЛЬ».
37. Шпиль — это блок, который содержит два зеленых куба и пирамиду.
Я ПОНИМАЮ.
38. Есть ли сейчас какие-нибудь шпили?
НЕТ.
39. Построй один.
ОК. [рука строит шпиль]

3. Общее понимание
Из таких разработок появилось ядро инструментов, приемов и соглашений, которые и по сей день действуют в качестве унифицированного базиса для ИИ.

Инструменты представления знаний. ИИ направлен строго на содержательное представление и манипуляцию знаниями и управление такими манипуляциями. Часто бывает, что как только проблема четко определяется и описывается с использованием соответствующего представления, она может считаться практически решенной.

Существует множество таких языков ИИ и систем обозначений, которые могут как овладевать новыми знаниями, так и представлять их в формах, пригодных для разумного использования. Здесь представлены пять таких примеров:

Семантические сети, в которых узлы и связи представляют собой объекты или понятия и их отношения, так что можно выяснить их значение..
Деревья, которые могут представить декомпозицию целей и понятий на подцели и подпонятия.
Скрипты, в которых очевидные знания сохранены в типичных ситуативных сценариях (например, «Вход в ресторан»).
Процедурная семантика, в которой значение термина выражается маленькой программой. В примере со шпилем Вайнограда «SHRDLU» узнает значение слова «шпиль» из разговора и, основываясь на своих знаниях, пишет внутреннюю программу. После этого такая программа может:
понимать слово «шпиль»;
узнавать шпили;
строить их.
Фреймы, Фрейм — маркированная модель понятия, «слоты» (переменные) которой представляют собой ролевые элементы этого понятия. Они могут быть установлены по значениям, определенным в зависимости от ситуации. Как, например, объяснить машине, что такое ПРОДАЖА? Мы могли бы смоделировать требуемое понятие в виде фрейма: ПРОДАЖА (покупатель, продавец, объект, цена, причина). На заполнение слотов могут быть наложены ограничения; например, как покупатель, так и продавец должны быть живыми элементами (и не идентичными друг другу), объект не должен быть живым элементом, цена не может быть отрицательной. Как только подпрограмма предварительной обработки успешно заполнит слоты, следующие подпрограммы уже смогут действовать так, как если бы они понимали слово «продажа».

Эти инструменты имеют такую степень обобщения, что ИИ может моделировать что угодно: физические и абстрактные понятия, ментальные формы, человеческие отношения, суждения или принципы поведения. ИИ-диагност или робот может передавать свое понимание абстрактной и физической окружающей среды, в которой он живет, вместе со своими представлениями о структуре этого мира, так же, как это делаем мы. Кроме того, он может использовать свои знания в контексте для разумного разрешения возникающих двусмысленностей, которые типичны для многих событий нашего мира. Существует множество классических примеров двусмысленностей в языке (как в естественном, так и в искусственном). (Сколько значений, например, вы найдете в саймоновской фразе: «Явидел человека на холме с телескопом»?) Машина может разобраться в неоднозначности, если в ней заложено понимание контекста, физики реального мира, здравого смысла и т. д.

Инструменты поиска цели. ИИ стремится подражать целенаправленному поведению. Для отображения инструментария подходов, алгоритмов и эвристических ИИ были разработаны инновационные компьютерные языки и системы (в особенности LISP, Prolog и их множественные разновидности).

Поскольку они не могут полагаться на человека-оператора в плане предписания последовательности их действий, ИИ-языки и системы управляются данными и знаниями на высоком уровне. Задача программиста в этом случае больше касается обеспечения советами и фоновым пониманием. Они хороши при:

целенаправленном поиске;
определении, доказательстве и планировании;
анализе целей и средств их достижения;
поиске в глубину и в ширину в структуре дерева;
обратном слежении. Некоторые ИИ программы могут двигаться назад! (Если одна из ветвей поиска цели терпит неудачу или оказывается заблокированной, программа отменит свои решения и начнет двигаться по другому пути);
сокращении деревьев поиска и управлении поиском, когда надо руководствоваться здравым смыслом, метазнаниями и предусловиями (сравните с автоматической грамматикой);
использовании не иерархии, а гетерархии: Организация и управление структурой в ИИ-программах обычно более гибкие, чем коммерческие не-ИИ программы. Более вероятно увидеть сообща работающие взаимодействующие подпрограммы, чем нисходящее управление сверху вниз под руководством мастер-программы;
создании демонов. Демон или схема безопасности — маленькая программа, которая находится в статичном состоянии, пока ее не вызовет некоторое событие — по образу, находящемуся в ее данных.
Одни и те же методы применяются в разнообразных областях. Осознание в ИИ — это постижение того, что огромное число задач и областей, абсолютно разных на первый взгляд, могут быть привязаны к одним и тем же инструментам и представлениям. Например, процесс осмысления предложения естественного языка подобен процессу распознавания визуальной сцены. Оба процесса вовлекают знание основных принципов возможного; оба требуют от распознающей системы быстрого перехода между синтаксическими, семантическими и прагматическими базами знаний для того, чтобы разгадать вероятное толкование услышанного или увиденного.

4. Проблемы моделирования мира
Почему же сегодняшний уровень развития ИИ не достиг высот, предсказанных пионерами? На этот вопрос есть несколько ответов.

Формальная дедуктивная логика — довольно бедная модель человеческого мышления. Однако сопоставимой компактной модели мышления не существует. Мы даже не знаем, откуда у нас появляются идеи, гипотезы, решения и схемы.

Самые значительные успехи были достигнуты тогда, когда моделируемые миры были крошечными, вроде мира настольных блоков. Такие системы становились несовершенными, когда предпринимались попытки увеличить их до масштаба реального объема элемента, объединить данные большого количества датчиков или найти обобщение путем объединения нескольких предметных областей.

Сложно подобрать структурированные представления знаний, которые достаточно гибки, чтобы моделировать разумный человеческий навык оценки релевантности. Люди могут мгновенно загрузить огромные области знания в свою «рабочую память» или достать их оттуда, если что-то сделает их значимыми.

Хотя обучающаяся машина реально существует, сегодняшние ИИ-системы требуют огромных человеческих вложений в обучение (в инжиниринг знаний) и настройку исполнения.

Хотя сегодняшние настольные компьютеры предлагают такие объемы запоминающих устройств и производительность, которые в тысячи раз превышают показатели машин, использовавшихся пионерами, мы все еще рассматриваем ИИ, устроенный в миллионы раз проще, чем мозг человека. Хотя ум может в значительной степени компенсироваться мощностью, мы все еще пытаемся моделировать человеческий разум с процессорами таракана.

5. Провидцы и критики
ИИ, конечно, имел приверженцев, но у него были и критики. Механисты (сторонники принципа, согласно которому развитие природы и общества объясняется законами механической формы движения материи ) спорили с духовниками, а философы — с теми и другими (Dreyfuss, 1979 и Dennett, 1988). Особыми подстрекателями были так называемые энтузиасты сильной позиции ИИ, которые утверждали, что их машины действительно разумны.

Против силовиков ИИ свой знаменитый аргумент «китайская комната» выдвинул Сирли (Searle, 1984). По аналогии с компьютером он предположил комнату, в которой рабочие без знания китайского языка переводят тексты с китайского на английский, рабски следуя набору правил. Так как в соответствии с гипотезой ни одно существо внутри комнаты не понимало китайского, Сирли, проводя аналогию, говорил, что ни одна ИИ-программа не может понимать свою тематику.

Дрейфузз, феноменолог, утверждал, что компьютеры никогда не смогут быть разумны, так как они испытывают недостаток двух предпосылок: у них нет эмоций и тела для общения с миром.

Возражения заставляют задуматься. Мы рекомендуем великолепные книги Хофстадтера (Hofstadter, 1979; Hofstadter and Dennett, 1981).

6. Правила против нейронных сетей
Первые попытки касались моделирования интеллекта по образцу мозга с сообществом маленьких простых искусственных нейронов. После первых неудач большинство ИИ-систем было построено как большие программы и основывалось на структурах и базах данных, организованных на базе правил. В последние годы стало понятно, что причина неудачи систем нейронов — в их преждевременности и непродуманности: сегодня нейронные сети используются достаточно широко, и прежде всего в распознавании образов. Если такую систему один раз научить распознавать образ, в дальнейшем при идентификации лиц, голосов, рисунков и т. д. она будет работать значительно быстрее, чем системы, основанные на правилах.

7. Производные действия и разбиение
Для классических систем также предполагалось, что идеально, если они будут:
строить крупномасштабные модели мира;
стремиться сами управлять собой, планируя «сверху вниз».
Современные разработчики руководствуются уже идеей большого количества маленьких самоуправляющихся специализированных подсистем. Например, какой путь лучше при создании шагающего робота (а это высокое мастерство)? Старый подход управления сверху вниз требовал, чтобы центральный «разум» думал о том, как идти — впрочем, как и обо всем остальном. Новая школа успешно построила многоногие шагающие механизмы, разработав каждую ногу как отдельную интеллектуальную единицу низкого уровня. После этого был необходим только самый легкий контроль более высокого уровня для достижения координации. Действенное и эффективное движение в виде ходьбы появляется при взаимодействии ног. При таком подходе несколько подсистем робота могут выполнять свои задачи параллельно (например, двигаться и избегать препятствий). Понятие разбиения (Brooks, 1986) позволяет более приоритетному действию (например, голоден — заправка) при необходимости просто запретить менее приоритетные действия. Появляется образец скрытого абсолютного действия.

Теперь возникла очередная полемика, касающаяся участия роботов в Олимпийских играх, где маленькие автономные роботы будут играть в настольный теннис или вступать в активные схватки.

8. Существующие и будущие направления
Очевидно, что ИИ — горизонт, который постоянно отступает: так происходит потому что, как только каждое законченное осознание или успешный продукт (вроде машинного перевода или распознавания голоса) перемещается из лаборатории на рынок, он мгновенно превращается из захватывающей ИИ-новинки в часть привычного мира. Он может обогатить обычную науку управления (как принцип минимакса) или просто стать частью ежедневной офисной технологии (как голосовая диктовка).

Самые большие выгоды от разработок ИИ — это сопутствующие результаты. Непосредственно или косвенно разработки инспирировали успехи в компьютерных языках, проектировании баз данных, объектно-ориентированном программировании, параллелизме, нечеткой логике и распознавании образцов, воспроизвели эволюцию, генетические алгоритмы и искусственную жизнь.

Энтузиасты традиционной цели все еще видят успех совсем близко, за углом (Warwick, 1998). Но до нее все еще десятилетия. В лучшем случае можно сказать, что в ходе стремления к общей цели к настоящему времени исследователи смогли выяснить, в чем состоит препятствие для ее достижения.

Другие же просто изменили текущую цель исследований, решив, что нельзя требовать от интеллекта машины, чтобы он был похож на человеческий разум больше, чем полет самолета на полет птицы.

Исследования продолжаются: не так давно много говорилось и были сделаны некоторые многообещающие заявления о применении интеллектуальных агентов — полуавтономных программ Web-поиска (пауки). Другие современные исследования включают в себя: автопилотируемые транспортные средства для земли и космоса (Pomerleau, 1992); проект CYC с попыткой смоделировать знание здравого смысла в реалистично большой базе данных (Lenat and Guha, 1990) и недавние предложения построения огромных нейронные сетей (японский проект «котенок-робот»).

До сих пор стоит тратить силы на исследования в области ИИ. Весьма ценными оказываются побочные коммерческие продукты, продолжают открываться новые глубины, а далекая цель — все еще высокая мечта.

Bevan J. Clarke
University of Canterbury

СКОРОЧТЕНИЕ, ПАМЯТЬ, ИНТЕЛЛЕКТ Материалы интерактивного к урса

Я получаю много писем по поводу затруднений в самостоятельном овладении техниками быстрого чтения. Некоторые люди безуспешно заканчивают стационарные или заочные курсы быстрого чтения, некоторые работают над собой по книгам и по имеющимся программам, но часто результаты не оправдывают ожиданий. Почему это происходит?Менее 10% информации, воспринимаемой нашими органами чувств, обрабатывается сознательно, под контролем наших дигитальных, в том числе языковых, фильтров. Основная масса обработанной нашим сознанием информации остается в его пассивной части. Она может быть задействована только при определенной конфигурации команд, поступающих из активной зоны сознания, включающей в себя мотивацию. Если мы достаточно мотивированы, состояние восприимчивости к информации отличается особой эффективностью. Это именно СОСТОЯНИЕ. Если мы начинаем упражнение по технике быстрого чтения в своем обычном, уже достаточно стереотипном состоянии, мы достигаем тех же стереотипных результатов. Получается "как всегда". Начинать нужно с вычленения характеристик своего индивидуального ресурсного состояния повышенной восприимчивости.Представьте себе ситуацию: вы сдаете экзамен и вам попадается билет, на который вы не знаете ответа. Почувствовали? А теперь, о чудо!, преподаватель выходит из аудитории, вы лихорадочно вытаскиваете учебник - и быстро, максимально быстро схватываете суть ответа! Преподаватель может войти в любой момент - помните! Как ощущение? Как восприятие? Или сходная ситуация: вас тестируют на скорость чтения и на усвоение прочитанной информации. Вы очень быстро пробегаете глазами текст. Его отбирают, вы стараетесь вспомнить - о чем же вы читали, и что за чем шло, и что хотел сказать автор... Вместо целых кусков информации - белые пятна, провалы... Знакомая ситуация? А теперь, о чудо!, вам дают 10-20 секунд и разрешают взглянуть еще раз. И вы сразу же восполняете эти белые пятна. Как ощущение? Как восприятие? Адреналинчик в крови появился? Ведь вы уже переживали опыт подобного состояния повышенной восприимчивости и даже сейчас смогли его смоделировать в воображении.Подсознание хорошо тем, что воображаемые ситуации часто вызывают те же реакции и стратегии поведения, вплоть до изменения физиологии, что и реальные события. Человек умирает от инфаркта не во время какого-то трагического происшествия, а во время его проигрывания в воображении. На войне от инфарктов не гибнут, а вот телеграмма определенного содержания может послужить причиной смерти. Стал общим местом эксперимент с баскетболистами, когда группа, в воображении тренирующая новый прием, достигает результатов, лишь на несколько процентов отличающихся от результатов баскетболистов, отрабатывающих его "в реальной жизни". Есть масса и других примеров, из которых следует простой практичный вывод: подсознание прекрасно слушается "хозяина", оно безоговорочно выполняет наши команды. Главное - научиться их правильно формулировать.Информация извлекается из подсознания в соответствии с направлением нашего внимания. Пока не поступила "заявка", весь пласт накопленных нами знаний остается незадействованным, недоступным. Мы все знаем таблицу умножения, но не "помним" об этом, пока перед нами не встанет реальная задача, например, посчитать, сколько приблизительно рублей нам дадут за наши 30$. Вот тут мы ее "вспомним", правда, не называя произведенные операции умножением и сложением и не говоря себе: "Я использую таблицу умножения". Сознательная часть и подсознание обмениваются информацией автоматически и очень экономно, энергетически целесообразно. Из зоны активного внимания (не обязательно связанной с обработкой информации из внешнего мира, это может быть и "игра воображения") поступают запросы-команды, на которые подсознание не может не откликнуться. В каком положении находится в данный момент ваша левая нога, какие у вас связаны с ней ощущения? Пока я не спросила, вы не удерживали в зоне активного внимания эту информацию. Мало ли, чем она там занята, это ее проблемы, не правда ли?Последите за собой. Что вы говорите себе, приступая к чтению, тем более к упражнению? Какие слова вы употребляете, формируя команды подсознанию? Может быть, они слишком многословны, содержат в себе предпосылки чтения "как всегда"? Может быть, они сформулированы в негативном виде: "Я не буду проговаривать, я не буду делать много фиксаций" и т.д. ? Наше подсознание не воспринимает частицу "НЕ", относящуюся к области дискретного, аналитического мышления. "Не думать о белой обезьяне" - классический пример. "Я не буду бояться, я не буду дрожать, я не буду испытывать сердцебиения" - набор образов, которые очень быстро генерируют состояние, от которого человек хочет избавиться. Вы уже забыли, сколько долларов я попросила вас перевести в рубли? Забудьте! Сейчас же! Как идет процесс забывания? Что именно вы должны были забыть? "Забудь меня, считай, что меня нет!" - говорит хитрая девушка. Тьму не разгонишь, размахивая полотенцем. Есть только один способ - включить свет. Ни с чем не нужно бороться! Нужно вытеснять менее эффективный навык более эффективным. Движение не "ОТ", а "К". Наиболее успешны не те люди, которые бегут от бедности, а те, которые движутся к богатству.Наше подсознание мудрее нас. Оно никогда не откажется от имеющегося навыка, если ему не предоставить более экономную, привлекательную альтернативу. Поищите в своем опыте те состояния, когда вы были полны энтузиазма, энергии, сконцентрированы на задаче, точны и динамичны, когда ваше восприятие было обостренным, когда в вашей крови играли гормоны возбуждения и активности (если не хватает адреналинчика - можно вспомнить ситуацию неожиданной опасности и добавить это ощущение в "джентльменский набор" в нужной дозировке). Это состояние испытывал каждый! Вспомните детство, возбуждение от успешной игры, ощущение безопасности - это ведь просто игра, и "враги" - ненастоящие, но зато вы - настоящий победитель. И если вы, ребенок, учитесь кататься на велосипеде, рисовать или играть в карты - вы ведь не расстраиваетесь, когда у вас получается не сразу. Это ведь игра!Читайте быстро и легко, "как если бы" вы уже были выдающимся читателем, великим и неповторимым. Игра "как если бы" всегда беспроигрышна для вас. Зачем играть в страшные игры, переживать целую гамму отрицательных чувств, "как если бы" нежелательное событие уже произошло? Лучше наполнить эту любимую игру нашего воображения позитивным, полезным для нас содержанием. "Как если бы" мы уже раскованны, легки, успешны, динамичны! Мы ведь такие и есть - если позволим себе такими быть!УСПЕХА ВСЕМ НАМ !

ЭТО ИНТЕРЕСНО! "Кошачий интеллект"

Если смотреть с научной точки зрения, то интеллект, учеба и память - феномены, в которых кроется очень много загадок. Несмотря на интенсивное изучение мозга, мы сегодня еще не знаем, что, собственно, происходит в нервной системе или в какой структуре мозга находится память. Беспородно одно - интеллект и приобретенные знания, по крайней мере, для высокоразвитых млекопитающих, имеют большое значение. У этих животных врожденные элементы поведения, как правило, охватывают незначительную часть двигательных действий, которые затем учебой соединяются различными способами и сознательно применяются в соответствующей ситуации. Мы не должны, однако, термин "интеллект" животных приравнивать к нашей "смышлености". Животные не могут решать математические задачи и конструировать в уме теоретические построения. У них есть то, что мы называем "практическим интеллектом", а это значит, что они могут понять взаимозависимость, в памяти накапливать опыт и находить практические решения, например, как преодолеть препятствия, выйти живым из трудного положения или заполучить то, чего они хотят, другими словами, интеллект позволяет им выжить в самых различных условиях. На воле "глупое" животное так же нежизнеспособно, как слепое или хромое. В качестве хищника, жертвы которой не только шустры, но и чутки, кошке тактический интеллект особенно нужен. Она способна учиться не только в молодости, но и будучи зрелой кошкой. Кошки учатся не только как другие животные, - по принципу проб и ошибок, но и при простом наблюдении. Если у кошки есть возможность наблюдать, как ее подружка при помощи прыжков достает до дверной ручки и открывает дверь (к неудовольствию своего хозяина), она этот трюк повторяет гораздо быстрее, чем если бы ей самой пришлось до этого дойти.

Материалы сайта http://bolen-kot.net.ru/

Читать дальше

НОВОСТИ И РАССЫЛКИ

Ю. Крашников "Теоретические аспекты стереографии одного изображения"

Особенностью этого вида стереографии является использование одного изображения, в отличие от использующих естественный механизм восприятия стереопар.
До сих пор эта технология применялась только в области рекламы и развлечений. В процессе проведенных исследований были обнаружены некоторые особенности, которые заставляют задуматься над расширением сферы ее применения в область психологии восприятия.